門永生，劉山葆

（1.北京科技大學(xué)土木與環(huán)境工程學(xué)院，北京100083；2.國網(wǎng)智能電網(wǎng)研究院，北京102209；3.廣東省通信管理局，廣東 廣州510080）

1 引言

我國電力工業(yè)正處于高速發(fā)展時(shí)期，各類自然災(zāi)害及電力系統(tǒng)突發(fā)事件頻發(fā)，對(duì)電網(wǎng)設(shè)施安全運(yùn)行造成嚴(yán)重威脅[1]。2009年南方雨雪冰凍災(zāi)害、2013年四川雅安特大地震等都對(duì)變電站、輸電線路等電網(wǎng)設(shè)施造成了災(zāi)難性打擊，給人民群眾生活與社會(huì)穩(wěn)定帶來巨大影響[2]。電力事故應(yīng)急處置要求標(biāo)準(zhǔn)較高，在緊急情況下利用科學(xué)的方法與智能化的手段輔助決策者進(jìn)行科學(xué)決策，成為當(dāng)前電力安全與應(yīng)急工作迫切希望得到解決的問題，而基于案例推理的應(yīng)急決策方法恰恰提供了解決思路與方法[3]。

案例推理（case-based reasoning，CBR）是人工智能領(lǐng)域近年來興起的一種創(chuàng)新性的推理方法，該方法最早源于美國耶魯大學(xué)教授Roger Schank[4]。所謂案例推理是充分運(yùn)用以往的經(jīng)驗(yàn)，采用一定算法或規(guī)則的相似性比對(duì)，把案例的經(jīng)驗(yàn)與模式作為解決當(dāng)前決策問題的參考，進(jìn)而對(duì)源案例進(jìn)行修正，運(yùn)用到當(dāng)前的應(yīng)急決策中。近年來，國內(nèi)外在基于案例推理的應(yīng)急輔助決策領(lǐng)域開展了許多研究工作，如張英菊[5]針對(duì)案例屬性缺失問題，設(shè)計(jì)了基于屬性相似度和結(jié)構(gòu)相似度的雙層結(jié)構(gòu)框架下的相似度算法；石浩[6]對(duì)決策支持的數(shù)據(jù)層次進(jìn)行了分析，并把案例推理應(yīng)用到火災(zāi)預(yù)案中。

對(duì)于電力事故而言，事故應(yīng)急響應(yīng)主要依靠應(yīng)急人員依靠歷史經(jīng)驗(yàn)和應(yīng)急預(yù)案進(jìn)行決策，將基于案例推理的智能化決策方法運(yùn)用到電力事故應(yīng)急處置過程中，有助于提高電力事故應(yīng)急搶險(xiǎn)能力與水平。

2 電力事故案例特征描述

運(yùn)用案例推理的方法進(jìn)行應(yīng)急決策，其決策效果很大程度上依賴于事故案例知識(shí)描述方式以及案例庫的結(jié)構(gòu)。針對(duì)電力事故應(yīng)急處置的特點(diǎn)，從事故應(yīng)急處置的角度考慮，案例必須包含事故基本情況、事故處置過程以及處置效果評(píng)價(jià)3個(gè)部分的內(nèi)容。

（1）事故基本情況

包括事故發(fā)生時(shí)間、地點(diǎn)、周邊環(huán)境、天氣條件、事故類別、事故級(jí)別、持續(xù)時(shí)間、事發(fā)地應(yīng)急搶險(xiǎn)隊(duì)伍與設(shè)施等。表1給出了各屬性的具體內(nèi)容。

（2）事故處置過程

包括參與應(yīng)急搶險(xiǎn)的電力應(yīng)急隊(duì)伍及其在搶險(xiǎn)過程中所做的工作、使用的專業(yè)設(shè)備及其發(fā)揮的作用、個(gè)人防護(hù)裝備使用情況、事故演變過程、事故處置的主要決策等。

表1 事故基本情況描述

（3）事故處置效果

包括各項(xiàng)搶險(xiǎn)措施的有效性、事故影響范圍、經(jīng)濟(jì)損失、事故處置的經(jīng)驗(yàn)教訓(xùn)等。

3 電力事故案例知識(shí)提取方法

電力事故進(jìn)行應(yīng)急決策時(shí)需要從已有案例庫中檢索與事故相似度最高的案例作為參考，這個(gè)檢索的過程和方法決定了案例推理學(xué)習(xí)的效能。事故案例中包含了多種屬性，按照屬性特征可分為4類：數(shù)值型屬性，這類屬性用數(shù)值表示，如事故發(fā)生地當(dāng)時(shí)的溫度、風(fēng)速；無序枚舉型屬性，如事故的類型可分為設(shè)備事故、電網(wǎng)調(diào)度運(yùn)行事故等；有序枚舉型屬性，如按照事故的級(jí)別可以分為一般、較大、重大和特別重大等，或者按照其他標(biāo)準(zhǔn)進(jìn)行的有序型分類；模糊屬性，對(duì)于事故應(yīng)急處置效果的評(píng)價(jià)可以采用｛很好、較好、一般、較差、很差｝模糊概念屬性。

在進(jìn)行基于案例推理的應(yīng)急輔助決策時(shí)，需要針對(duì)不同屬性的特征采用相應(yīng)的方法進(jìn)行案例檢索，本文提出了歸納式推理檢索和相似度計(jì)算兩種方法。

3.1 歸納式推理檢索

歸納式推理檢索是采用歸納的方式，按照事故案的層級(jí)關(guān)系和構(gòu)建規(guī)則建立案例數(shù)據(jù)庫。當(dāng)進(jìn)行新的應(yīng)急事件檢索時(shí)，只要按照該事件所屬的類別，即可找出相似度最高的案例。

針對(duì)無序枚舉和有序枚舉型屬性，可以運(yùn)用基于決策樹的學(xué)習(xí)算法進(jìn)行案例的檢索。具體流程是從案例的各組成部分提取能將事故案例有效區(qū)分的要素，并根據(jù)這些要素將事故案例構(gòu)建成一個(gè)類似于判別網(wǎng)絡(luò)的層次結(jié)構(gòu)。進(jìn)行歸納式檢索時(shí)，按照決策樹（decision tree）的運(yùn)作方式進(jìn)行案例檢索。

3.2 案例相似度算法

3.2.1 屬性相似度算法

案例推理的核心是案例相似度算法的設(shè)計(jì)。最近相鄰算法是CBR檢索算法中最常用，也是相對(duì)比較成熟的算法之一。應(yīng)用傳統(tǒng)最近相鄰算法時(shí)，首先計(jì)算出案例屬性相似度，然后根據(jù)屬性的權(quán)值計(jì)算案例之間的加權(quán)相似度，要求案例的屬性值不能為空。

常用兩個(gè)對(duì)象在特征空間中的距離來描述兩個(gè)案例間的相似性。常用的距離度量函數(shù)有歐拉距離和Hamming距離[7]。

歐拉距離度量法：

Hamming距離度量法：

其中，權(quán)重Wi表示第i個(gè)屬性的重要度。

這種相似性度量方法，可以用于數(shù)值型屬性和無序枚舉型屬性。對(duì)于有序枚舉型屬性，可以采用：

其中，m表示屬性i的取值個(gè)數(shù)。

在電力事故案例中存在許多模糊屬性，模糊屬性常用梯形模糊集、高斯函數(shù)、三角形模糊集等模擬其隸屬函數(shù)。部分屬性主要依靠人的主觀判斷來進(jìn)行，例如對(duì)事故應(yīng)急處置效果的評(píng)價(jià)。

本文采用模糊評(píng)價(jià)方法將事故案例中的模糊屬性分為5個(gè)等級(jí)，則有評(píng)語集V={V1,V2,V3,V4,V5}，例如V1表示處置效果很好，V2表示較好，V3表示一般，V4表示較差，V5表示很差。邀請(qǐng)具有豐富電力事故處置經(jīng)驗(yàn)的20名專家對(duì)案例中的多種模糊屬性進(jìn)行評(píng)價(jià)，給出不同案例各模糊屬性的隸屬函數(shù)關(guān)系。例如針對(duì)X和Y兩個(gè)電力事故處置效果屬性進(jìn)行專家打分，隸屬關(guān)系見表2。

表2 處置效果評(píng)價(jià)統(tǒng)計(jì)

對(duì)于模糊屬性，可以采用：

其中，N為專家總?cè)藬?shù)；VXi,j、VYi,j分別表示對(duì)事故X、Y第i個(gè)屬性給出第j個(gè)評(píng)語的專家人數(shù)。

權(quán)重A={A1,A2,A3,A4,A5}={3,1,0,-1,-3}，針對(duì)不同屬性特征根據(jù)實(shí)際需求對(duì)權(quán)重進(jìn)行修改。

由于電力事故致災(zāi)因子眾多，而各種特征屬性作用于事故案例的程度也不同，因此對(duì)于屬性權(quán)重的確定是進(jìn)行案例推理的關(guān)鍵。確定權(quán)重的方法較多，可基于粗糙—模糊集理論計(jì)算各屬性的權(quán)重，也可采用層次分析法確定屬重系數(shù)。本文選取了常用的領(lǐng)域?qū)＜掖蚍址ā?/p>

3.2.2 結(jié)構(gòu)相似度算法

結(jié)構(gòu)相似度的計(jì)算是進(jìn)行案例推理的關(guān)鍵環(huán)節(jié)，結(jié)合電力事故特點(diǎn)設(shè)計(jì)案例結(jié)構(gòu)相似度算法如下：假定需要案例庫中的源案例a與目標(biāo)案例b進(jìn)行結(jié)構(gòu)匹配，描述該結(jié)構(gòu)的相似度計(jì)算算法如圖1所示。

圖1 結(jié)構(gòu)相似度算法設(shè)計(jì)

從案例庫中提取源案例C1，計(jì)算C1所有非空屬性構(gòu)成的集合，記為S1；然后需要計(jì)算與之準(zhǔn)備進(jìn)行匹配的目標(biāo)案例C2的所有非空屬性構(gòu)成的集合，記為S2；進(jìn)一步計(jì)算S1與S2的交集和并集，分別記為S3和S4；計(jì)算交集S3中所有屬性的權(quán)重和，記為w1；計(jì)算并集S4中所有屬性的權(quán)重和，記為w2；將源案例C1和目標(biāo)案例C2的結(jié)構(gòu)相似度記為S，則案例結(jié)構(gòu)相似度為：

4 基于CBR的電力事故應(yīng)急決策過程

4.1 電力事故應(yīng)急決策案例推理流程

圖2給出了電力事故應(yīng)急決策案例推理的基本流程，具體可以分為以下幾個(gè)步驟。

（1）事故信息輸入

一旦發(fā)生電力事故，要通過各種渠道快速獲取案例推理所需的詳細(xì)信息、輸入模型中對(duì)應(yīng)的各變量并進(jìn)行知識(shí)解釋，完成突發(fā)事件標(biāo)準(zhǔn)化流程的信息輸入。

（2）案例檢索與匹配

應(yīng)用相似度計(jì)算與歸納式檢索方法，從案例庫中進(jìn)行有效檢索，利用設(shè)計(jì)好的規(guī)則依次計(jì)算當(dāng)前應(yīng)急事件與案例相應(yīng)類型模型的相似度，有則進(jìn)行修正，生成處置方案；沒有則輸出一組近似案例，根據(jù)應(yīng)急決策事實(shí)，依據(jù)案例規(guī)則進(jìn)行推理和方案修正，生成處置方案。

（3）案例修正

根據(jù)專家判斷和規(guī)則推理修正處置方案，使之適合于解決當(dāng)前應(yīng)急決策事件，生成方案；訪問知識(shí)庫，結(jié)合當(dāng)前事件的特征，依照知識(shí)庫中存儲(chǔ)的專家知識(shí)及案例修正規(guī)則對(duì)處置方案進(jìn)行合理化修正。

圖2 電力事故應(yīng)急決策案例推理流程

（4）應(yīng)急決策方案生成

將合理化修正后的應(yīng)急決策方案輸出，為應(yīng)急決策者提供科學(xué)合理的指導(dǎo)意見，完成科學(xué)的應(yīng)急輔助決策。

（5）應(yīng)急方案評(píng)估及保存

電力事故應(yīng)急處置結(jié)束后，要對(duì)效果進(jìn)行評(píng)估，并根據(jù)既定的案例自學(xué)習(xí)策略，將符合條件的新案例增加到案例庫中保存，以備今后使用。

5 結(jié)束語

本文結(jié)合電力事故的特點(diǎn)，簡(jiǎn)述了基于CBR的電力事故應(yīng)急決策方法，重點(diǎn)介紹了案例特征屬性的描述框架，提出歸納式檢索和相似度計(jì)算兩種方法搜索相似案例，并通過專家打分確定模糊屬性的隸屬函數(shù)，并計(jì)算模糊屬性的相似度。最后，給出了基于CBR模型的電力事故應(yīng)急決策過程。

當(dāng)前許多案例結(jié)構(gòu)規(guī)范性不夠，對(duì)電力事故的演化過程、處置措施的描述過于簡(jiǎn)單，影響了案例推理的輔助決策效果。在應(yīng)急輔助決策方法上，需要將案例推理與規(guī)則推理、數(shù)據(jù)挖掘等方法相結(jié)合，從而更好地解決電力事故應(yīng)急輔助決策問題。

[1]郭劍波.我國電力科技現(xiàn)狀與發(fā)展趨勢(shì)[J].電網(wǎng)技術(shù),2006,30(18):1-7.GUO J B.Current situation and development trend of electric power technology in China[J].Power Grid Technology,2006,30(18):1-7.

[2]門永生,金龍哲,朱朝陽,等.電力突發(fā)事件應(yīng)急標(biāo)準(zhǔn)體系框架研究[J].電信科學(xué),2013,29(11):104-108.MEN Y S,JIN L Z,ZHU C Y,et al.Research on emergency standard framework of power emergencies [J].Telecommunications Science,2013,29(11):104-108.

[3]劉武警.基于本體的電網(wǎng)應(yīng)急案例表示方法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2013.LIU W J.The method of the research on power grid emergency case based on ontology[D].Harbin:Harbin Institute of Technology,2013.

[4]SCHANK R.Dynamic memory:a theory of reminding and learning in computers and people[M].Cambridge:Cambridge University Press,1982.

[5]張英菊,仲秋雁,葉鑫,等.基于案例推理的應(yīng)急輔助決策方法研究[J].計(jì)算機(jī)應(yīng)用研究,2009,26(4):1412-1415.ZHANG Y J,ZHONG Q Y,YE X,et al.Research on method of emergency aid decision-making based on CBR[J].Application Research of Computers,2009,26(4):1412-1415.

[6]石浩.基于案例推理的城市應(yīng)急決策支持系統(tǒng)的研究[D].杭州:浙江工業(yè)大學(xué),2004.SHI H.Study on city emergency decision support system based on CBR[D].Hangzhou:Zhejiang University of Technology,2004.

[7]BAUMEISTER J,ATZMULLER M,PUPPE F.Inductive learning for case-based diagnosis with multiple faults[C]//The 6th European Conference Advances in Case-Based Reasoning(ECCBR2002),September 4-7,2002,Aberdeen,Scotland,UK.Berlin:Springer,2002:28-43.